MétaCan
Menu
Retour à la cohorte
Enregistrement W2890510835 · doi:10.1111/vox.12708

Risk‐based decision making in transfusion medicine

2018· review· en· W2890510835 sur OpenAlexaff
Judie Leach Bennett, Dana V. Devine

Notice bibliographique

RevueVox Sanguinis · 2018
Typereview
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBlood donation and transfusion practices
Établissements canadiensUniversity of British ColumbiaCanadian Blood Services
Organismes subventionnairesnon disponible
Mots-clésRisk analysis (engineering)Context (archaeology)Psychological interventionResource allocationRisk assessmentRisk managementHealth careTransfusion medicineMedicineAction (physics)Blood transfusionActuarial scienceBusinessComputer scienceEconomicsSurgeryNursing

Résumé

récupéré en direct d'OpenAlex

Formal processes to assess risk are well established in numerous areas of society including the environment, transportation, energy and food production sectors as well as some areas of health care such as new drugs or other therapeutic goods. However, these processes and their associated frameworks have only recently come to be used to make decisions in blood transfusion practice or in blood system policy development. This review describes the evolution of the use of risk-based decision making and discusses the elements that should be considered in its application to blood system issues. Following the identification and characterization of the risk, a structured process is undertaken to assess the magnitude of the risk and the level of risk reduction that can reasonably be achieved in the context of the complexity of the risk management action proposed and its cost. Inputs must be sought from appropriate subject matter experts, but also from those who can consider issues of ethics and social values. Engagement of the public is an essential step. Proposed interventions should be assessed for their likelihood of mitigating the risk and the proportional resource allocation in comparison with similar risks to the blood system or health system. Examples are provided of how a risk-based decision-making framework is used to address identified risks in the blood system.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,055
Tête enseignante GPT0,347
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVox SanguinisMême sujetBlood donation and transfusion practicesTravaux en français237 207